Ciclos Económicos Reales II

Luis A. Alcalá

Doctorado en Economı́a, FCE, UNCuyo – 2022

1. Introducción
Con un espı́ritu similar a la investigación iniciada por Kydland and Prescott (1982),
aunque con algunas diferencias metodológicas, Long and Plosser (1983) también mostra-
ron cómo puede construirse un modelo coherente de ciclos económicos con mercados en
equilibrio y sin factores monetarios. De hecho, estos autores introdujeron la terminologı́a
de ciclos económicos reales, como aquellos que se generan por la influencia de shocks
temporarios de productividad sobre la actividad económica. Las contribuciones de Long
and Plosser (1983) fueron extendidas y perfeccionadas en dos influyentes trabajos de la
literatura por King, Plosser, and Rebelo (1988a,b)1 .
El análisis de los ciclos económicos reales investiga el rol de los factores neoclásicos en
la generación de fluctuaciones económicas agregadas. El uso del modelo neoclásico para el
estudio de los ciclos económicos plantea algunos interrogantes centrales. Primero, ¿cuál es
el rol que juega el crecimiento económico en el estudio de las fluctuaciones económicas?
Más precisamente, si la presencia de crecimiento restringe de algún modo las especifica-
ciones de preferencias y tecnologı́a de producción en el análisis. Segundo, ¿qué métodos
analı́ticos deben emplearse en el estudio de las series temporales implicadas en el modelo
neoclásico? Tercero, ¿cuál es la dinámica del modelo neoclásico de crecimiento en respuesta
a shocks tecnológicos? Finalmente, puede el modelo neoclásico replicar las caracterı́sticas
más importantes de las series temporales macroeconómicas?
Los autores reconocen que la ausencia de factores monetarios, que posteriormente han
sido incluidos en el análisis de estos modelos, se debe al hecho que es necesario entender
primero el efecto que tienen las perturbaciones reales sobre el ciclo económico para luego
ser capaces de introducir el dinero. En este sentido, se observa que el mecanismo básico de
acumulación del modelo es capaz de permitir una sustitución intertemporal apropiada de
consumo y ocio, pero no genera la suficiente correlación serial entre producto y empleo que
1
Varios resultados importantes, que no fueron desarrollados en los dos textos principales, se pueden
encontrar en King, Plosser, and Rebelo (2002), un “Apéndice Técnico” a estos papers, que fue publicado
posteriormente.

1
se observa en los datos. Para replicar este hecho, es necesario introducir una correlación
serial sustancial en los shocks de productividad.

2. El modelo neoclásico básico

2.1. Descripción del modelo
Preferencias. Se trata de una economı́a habitada por un número grande de individuos
homogéneos con horizonte infinito de planeación, cuyas preferencias sobre ocio y consumo
están representadas por
X∞
β t u(Ct , Lt ), 0 < β < 1, (1)
t=0

donde Ct es consumo y Lt es ocio. Se asume que la función u(·) es creciente en ambos

argumentos, estrictamente cóncava, dos veces continuamente diferenciable y satisface las
siguientes condiciones de Inada

lim uC (C, L) = +∞ y lim uC (C, L) = 0;

C→0+ C→+∞

lim uL (C, L) = +∞ y lim uL (C, L) = 0.

L→0+ L→1−

Posibilidades de producción. Hay un solo bien final en esta economı́a que se produce
con la siguiente función de producción neoclásica con rendimientos constantes a escala

Yt = At F (Kt , Xt Nt ), (2)

donde Kt es el stock de capital y Nt denota al factor trabajo, At son shocks temporarios a la

productividad total de factores y Xt cambios permanentes en la productividad del trabajo.
La función de producción es dos veces continuamente diferenciable, cóncava, creciente en
ambos argumentos, satisface condiciones de Inada y se asume que ambos factores son
esenciales para la producción.

Acumulación de capital. El bien final puede ser utilizado para consumo o inversión. La
acumulación de capital se rige por la siguiente ecuación

Kt+1 = (1 − δ) Kt + It , (3)

donde It es inversión y 0 < δ < 1 es la tasa de depreciación del capital entre t y t + 1.

Restricciones de recursos. En cada perı́odo, un individuo enfrenta dos restricciones de

recursos: (i) el tiempo total asignado entre trabajo y ocio no puede exceder la dotación,

2
que está normalizada a uno; (ii) el consumo y la inversión no deben exceder la producción
disponible en cada perı́odo

Lt + Nt ≤ 1, (4)

Ct + It ≤ Yt . (5)

Naturalmente, también existen restricciones de no negatividad: Ct , Lt , Nt , Kt ≥ 0.

El problema de optimización de un planificador social consiste en elegir asignaciones
{Ct , Lt , Nt , It , Kt+1 }∞
t=0 que maximicen la función (1), dadas las restricciones (2)–(5) y las
correspondientes restricciones de no negatividad.

2.2. Optimización y equilibrio competitivo

El análisis estándar del modelo neoclásico se centra en las asignaciones óptimas de
un planificador social o un agente representativo que opera la tecnologı́a de producción
en forma directa. Como en el presente modelo se satisfacen las condiciones del segundo
teorema del bienestar, la polı́tica de acumulación óptima también puede obtenerse a partir
de un equilibrio competitivo. En particular, el modelo puede extenderse a situaciones
donde el problema del planificador social difiere del de un agente representativo, tales
como la existencia de impuestos distorsivos, externalidades, mercados no competitivos,
heterogeneidad en las preferencias, etc.

2.3. Crecimiento balanceado

Una caracterı́stica de las economı́as industrializadas es que variables tales como el
producto y el consumo per cápita exhiben un crecimiento sostenido en perı́odos largos.
Este crecimiento de largo plazo ocurre a tasas relativamente constantes dentro una eco-
nomı́a, pero difiere entre distintas economı́as. Este patrón es una evidencia de crecimiento
sostenido, una situación donde ciertas variables claves crecen a tasas constantes (pero
posiblemente diferentes), y al menos algunas de estas tasas son positivas.
Restricciones tecnológicas. Puede demostrarse que para la existencia de crecimiento
sotenido, el cambio tecnológico de largo plazo debe expresarse en términos de mejoras a
la productividad del trabajo, lo que racionaliza la especificación dada en (2). Se asumirá
que la función de producción agregada tiene la forma Cobb-Douglas

Yt = At Ktα (Nt Xt )1−α , (6)

donde 0 < α < 1 y Nt Xt es lo que usualmente se denomina “unidades efectivas de

trabajo”.

3
 Para el estudio del crecimiento de largo plazo puede ignorarse el rol de At , dado su
carácter transitorio. Dada la función de producción (6) y la ecuación de acumulación del
capital (3), las tasas de crecimiento sostenido del producto, consumo e inversión per-cápita
deben ser todas iguales a la tasa de crecimiento del cambio tecnológico de largo plazo. Esto
es lo que se denomina crecimiento balanceado.
Sea γZ := Zt+1 /Zt , la tasa bruta de crecimiento de una variable temporal arbitaria,
llamémosla Zt . Entonces, en una trayectoria de crecimiento balanceado debe satisfacerse

γY = γC = γK = γI = γX y γN = 1, (7)

donde el valor de esta última se debe al supuesto que no hay crecimiento de la fuerza
laboral. En un sendero de crecimiento con estas caracterı́sticas, el producto marginal del
capital y el producto marginal del trabajo en unidades de eficiencia son constantes. Los
niveles de los productos marginales dependen sin embargo del la relación capital-trabajo
efectivo, la que no está determinada por la restricción de factibilidad de un estado de
crecimiento sostenido.

Restricciones sobre las preferencias. El crecimiento sostenido es compatible con el

equilibrio competitivo si se cumplen las siguientes condiciones sobre las preferencias
(i) la elasticidad de sustitución intertemporal es constante;
(ii) el efecto ingreso y el efecto sustitución del crecimiento en la productividad del trabajo
no debe alterar la oferta de trabajo.
La condición (i) debe cumplirse porque el producto marginal del capital debe ser constante
en equilibrio. Dado que el consumo crece a una tasa constante y el cociente de utilidades
marginales descontadas debe ser igual a uno más la tasa de interés, la elasticidad de
sustitución intertemporal debe ser constante e independiente del nivel de consumo. La
condición (ii) se requiere porque las horas trabajadas deben ser constantes en un estado
estacionario. Para reconciliar esto con el crecimiento de la productividad marginal del
trabajo (inducida por el crecimiento secular de la productividad), el efecto sustitución
y el efecto ingreso causados por el incremento de la productividad deben compensarse
exactamente para que se mantenga constante la oferta laboral.
Estas condiciones implican que la clase de funciones de utilidad admisibles deben ser
de la siguiente forma
 1−σ
C −1
 t v(Lt ), si 0 < σ < ∞, σ ̸= 1,


u(Ct , Lt ) = 1−σ (8)


log(C ) + v(L ), si σ = 1,
t t

donde v(·) es una función v : [0, 1] → R. Algunas restricciones adicionales deben cumplirse

4
para asegurar que el consumo y el ocio sean bienes normales y la función de utilidad sea
cóncava.

2.4. Economı́a estacionaria y crecimiento

Para simplificar el análisis del equilibrio de una economı́a con mejoras permanentes en
la productividad y crecimiento balanceado, la misma debe transformarse en una economı́a
estacionaria (como ocurre en el caso en el que no hay crecimiento de la productividad, las
variables per-cápita son constantes). En el presente contexto, esto implica dividir todas
las variables del sistema por el componente de crecimiento X, de modo que se definen las
siguientes variables efectivas

C Y K I
c := , y := , k := , i := .
X X X X

En esta economı́a, la ecuación de acumulación del capital (3) se vuelve

γX kt+1 = (1 − δ)kt + it ,

para todo t, con k0 := K0 /X0 dado. Por otro lado, la tranformación del consumo a términos
efectivos generalmente modifica el factor de descuento en las preferencias intertemporales,
por lo tanto estas preferencias se definen como
∞
X c1−σ
U (c, L) = (X0 )1−σ (β ∗ )t t
v(1 − Nt ), si 0 < σ < +∞, σ ̸= 1, (9a)
1−σ
t=0
∞
X
U (c, L) = (β ∗ )t [log ct + v(1 − Nt ) + log Xt ] , si σ = 1, (9b)
t=0

donde β ∗ = β(γX )1−σ y se requiere que β ∗ < 1 para la utilidad intertemporal sea finita.
Entonces, β ∗ ̸= β si γX > 1, salvo en el caso que σ = 1. En cualquier caso, eligiendo X0
apropiadamente podemos hacer que la función objetivo tenga la forma ∞ ∗ t
P
t=0 (β ) u(ct , Lt ).
Combinando las restricciones de recursos, demostrando que algunas restricciones se
cumplen con igualdad y que otras no son operativas y sustituyendo apropiadamente, queda
un problema de optimización sin restricciones. Entonces, dada una sucesión {Λt }∞ t=0 de
multiplicadores de Lagrange no negativos, puede formarse el Lagrangiano
∞
X ∞
X
∗ t
L = (β ) u(ct , 1 − Nt ) + Λt [At F (kt , Nt ) − ct − γX kt+1 + (1 − δ)kt ] .
t=0 t=0

5
Observe que es conveniente definir λt = Λt /(β ∗ )t para simplificar los cálculos, entonces
∞
X n o
L = (β ∗ )t u(ct , 1 − Nt ) + λt [At F (kt , Nt ) − ct − γX kt+1 + (1 − δ)kt ] . (10)
t=0

Diferenciando (10) con respecto a las variables correspondientes, tenemos las siguientes
condiciones de primer orden para el máximo

uc (ct , 1 − Nt ) − λt = 0, (11a)

uL (ct , 1 − Nt ) − λt At FN (kt , Nt ) = 0, (11b)

λt γX − β ∗ λt+1 [At+1 Fk (kt+1 , Nt+1 ) + (1 − δ)] = 0, (11c)

At F (kt , Nt ) − ct − γX kt+1 + (1 − δ)kt = 0, (11d)

para todo t = 0, 1, . . . y la condición de transversalidad

lim (β ∗ )t λt kt+1 = 0, (12)

t→∞

la que garantiza que kt+1 ≥ 0 para t → ∞ en equilibrio.

Dada una sucesión {At }∞ t=0 y un stock de capital inicial k0 , el equilibrio óptimo se
compone de un sistema de precios sombra {λt }∞ ∞
t=0 y asignaciones {ct , Nt , kt+1 }t=0 que
satisfacen las condiciones (11a)–(11d) y la condición de transversalidad (12). Los supues-
tos sobre las preferencias y la tecnologı́a implican que estas condiciones son necesarias y
suficientes para un óptimo.
Los precios que descentralizan la solución óptima a través de un sistema de mercados
de Arrow-Debreu pueden computarse a partir de las asignaciones y los precios sombra
en un equilibrio óptimo, dado un proceso estocástico para los shocks tecnológicos, de
la siguiente manera. En el caso del trabajo, la sucesión de salarios de equilibrio está
dada por {λt At Fk (kt , Nt )}∞
t=0 y la correspondiente sucesión para el precio del bien final es
∞
{λt }t=0 . En cada perı́odo t = 0, 1, . . ., la tasa de interés real entre t y t + 1 está dada por
(1 + rt+1 ) = (γX λt )/(β ∗ λt+1 ) y el salario real es wt = At FN (kt , Nt ).

3. Acumulación de capital con previsión perfecta

Una de las principales caracterı́sticas del modelo básico de crecimiento neoclásico con
una tecnologı́a estacionaria es que el stock de capital converge monotónicamente a un valor
de estado estacionario.2 Aquı́ el objetivo es el estudio de las propiedades cualitativas de
2
En el modelo en que los agentes no valoran el ocio y la oferta laboral está fija, esta propiedad se deriva
principalmente de las preferencias: la concavidad de u es condición suficiente para la monotonicidad,

6
la solución y la realización de un análisis cuantitativo de la dinámica del stock de capital.
Para ello, es útil tener en cuenta que el sistema dinámico formado por (11a)–(11d) puede
reducirse a un sistema de ecuaciones en diferencias de primer orden no lineal en k y λ o a
una sola ecuación de segundo orden en k. Las condiciones de borde de este sistema son la
condición de transversalidad (12) y la condición inicial k0 .
Vamos a analizar aproximaciones lineales a la dinámica de equilibrio en un entorno del
estado estacionario, definido por el vector (A, k, λ, N, c), el cual se determina a partir de
las condiciones de primer orden (11a)–(11d)

uc (c, 1 − N ) − λ = 0,

uL (c, 1 − N ) − λAFN (k, N ) = 0,

γX − β ∗ [AFk (k, N ) + (1 − δ)] = 0,

AF (k, N ) − c + (1 − δ − γX )k = 0.

El método para la aproximación lineal del sistema dinámico alrededor de un estado

estacionario (interior) se describe a continuación.

3.1. Log-Linealización
Dada una función real de una variable f : (0, +∞) → (0, +∞), primero realizamos la
siguiente transformación sobre y = f (x),
 
log y = log f (x) = log f elog x .

Asumiendo que f es derivable, realizamos una expansión de Taylor de primer orden en el

entorno de un punto log x0 , con x0 ∈ (0, +∞), y obtenemos



log x
 
log x0
 d log f elog x
log f e ≃ log f e + (log x − log x0 ) .

d log x


log x0

Resolviendo la derivada,

x0 f ′ (x0 )
 
log f (x) ≃ log f (x0 ) + (log x − log x0 )
f (x0 )
siempre que exista un stock de capital máximo sostenible. En los modelos donde hay elección de consumo
y ocio, con una función de producción que es estrictamente cóncava en capital (para un valor dado del
trabajo), la monotonicidad también asegura que el capital converge a un estado estacionario único.

7
y recolectando términos,

x0 f ′ (x0 )
     
f (x) x
log ≃ log ,
f (x0 ) f (x0 ) x0
| {z }
elasticidad en x=x0

se obtiene una expresión relacionada con la elasticidad de f respecto a x.

Sea x = (x1 , . . . , xn ) un vector real n-dimensional. Un procedimiento análogo se define
para una función f : Rn+ \{0} → Rn+ \{0} diferenciable. Aplicando log-linealización sobre
f alrededor de un punto x0 ∈ Rn+ \{0}, se obtiene

n 
X xi ∂f (x) 
log f (x) ≃ log f (x0 ) + (log x − log xi0 ) ,
f (x) ∂xi x=x0
i=1

donde las constantes multiplicativas del segundo término de la aproximación ahora se

interpretan como elasticidades parciales de f con respecto a xi .
Consideremos la aplicación del método a la log-linealización de un sistema dinámico.
Sea zt una variable cualquiera del sistema en cuestión. Definimos como
z 
t zt − z
ẑt := log ≈ ,
z z

a la desviación de zt con respecto a su valor de estado estacionario z. Por ejemplo, dada

la función de producción expresada en términos de variables efectivas yt = At F (kt , Nt ), se
aproxima yt en un entorno del estado estacionario (A, k, N, y) como

kFk (k, N ) N FN (k, N )

ŷt = Ât + k̂t + N̂t
F (k, N ) F (k, N )

= Ât + sk k̂t + sN N̂t , (13)

donde
kFk (k, N ) N FN (k, N )
sk = y sN = ,
F (k, N ) F (k, N )
son elasticidades parciales que se interpretan como la participación del capital y el trabajo
en la producción del bien final, evaluadas en el estado estacionario. Bajo rendimientos
constantes a escala, sk + sN = 1.

3.2. Aproximación log-lineal del óptimo

Aplicando logs en (11a):

log uc (ct , 1 − Nt ) = log λt ,

8
se obtiene la siguiente aproximación log-lineal
 
c ucc (c, L) LucL (c, L) −N
ĉt + N̂t = λ̂t
uc (c, L) uc (c, L) 1−N

o, en forma equivalente,  
N
ξcc ĉt − ξcL 1−N N̂t = λ̂t ,

donde

c ucc (c, L) LucL (c, L)

ξcc := y ξcL :=
uc (c, L) uc (c, L)

son las elasticidades de la utilidad marginal del consumo con respecto a sus argumentos.
Aplicando logs en (11b):

log uL (ct , 1 − Nt ) = log λt + log At + log FN (kt , Nt ),

se obtiene la aproximación log-lineal

 
c uLc (c, L) LuLL (c, L) N k FN k (k, N ) N FN N (k, N )
ĉt − N̂t = λ̂t + Ât + k̂t + N̂t
uL (c, L) uL (c, L) 1−N FN (k, N ) FN (k, N )

o, en forma equivalente,
 
N
ξLc ĉt − ξLL 1−N N̂t = λ̂t + Ât + ξN k k̂t + ξN N N̂t ,

donde ξLc , ξLL son las elasticidades de la utilidad marginal del ocio con respecto a c y L,
respectivamente, y ξN k , ξN N son las elasticidades del producto marginal del trabajo con
respecto a k y N , respectivamente.
Aplicando logs en (11c):

log λt+1 + log(β ∗ ) + log[At+1 Fk (kt+1 , Nt+1 ) + (1 − δ)] = log λt + log(γX )

se obtiene

AFk (k, N ) kAFkk (k, N )

λ̂t+1 + Ât+1 + k̂t+1
AFk (k, N ) + (1 − δ) AFk (k, N ) + (1 − δ)
N AFkN (k, N )
+ N̂t+1 = λ̂t
AFk (k, N ) + (1 − δ)

o, su forma equivalente,

λ̂t+1 + ηA Ât+1 + ηk k̂t+1 + ηN N̂t+1 = λ̂t ,

9
donde

AFk (k, N ) kAFkk (k, N ) N AFkN (k, N )

ηA := , ηk := ηN := ,
AFk (k, N ) + (1 − δ) AFk (k, N ) + (1 − δ) AFk (k, N ) + (1 − δ)

son elasticidades de la tecnologı́a y los productos marginales.

Finalmente, aplicando logs en (11d):

log At + log F (kt , Nt ) = log[ct + γX kt+1 − (1 − δ)kt ]

se obtiene
     
kFk (k, N ) N FN (k, N ) c k k
Ât + k̂t + N̂t = ĉt + γX k̂t+1 − (1 − δ) k̂t
F (k, N ) F (k, N ) y y y

o, en forma equivalente,
     
c k k
Ât + sk k̂t + sN N̂t = ĉt + γX k̂t+1 − (1 − δ) k̂t .
y y y

Esta última expresión puede escribirse en forma compacta como

ŷt = sc ĉt + si ϕ k̂t+1 − si (ϕ − 1) k̂t ,

teniendo en cuenta (13) y adoptando las siguientes definiciones

c i γX
sc := , si := y ϕ := .
y y γX − (1 − δ)

Resumiendo, la aproximación de las condiciones de optimalidad aplicando el método

de log-linealización puede escribirse como
 
N
ξcc ĉt − ξcL 1−N N̂t = λ̂t , (14a)
h   i
N
ξLc ĉt − ξLL 1−N + ξN N N̂t = ξN k k̂t + λ̂t + Ât , (14b)

un sistema de dos ecuaciones lineales donde se expresan las “variables de control” (ĉt , N̂t )
en términos de las “variables de estado y co-estado” (k̂t , λ̂t ), respectivamente, y la variable
exógena Ât . Por otro lado, la aproximación de la condición de eficiencia intertemporal
implica que

λ̂t+1 + ηA Ât+1 + ηk k̂t+1 + ηN N̂t+1 = λ̂t (15)

10
y la aproximación de la restricción de recursos implica

ŷt = Ât + sk k̂t + sN N̂t

= sc ĉt + si ϕ k̂t+1 − si (ϕ − 1)k̂t . (16)

Con estas condiciones puede formarse un sistema dinámico de dos ecuaciones lineales en
diferencias en las variables (k̂t , λ̂t ) y resolverlo sujeto a la condición inicial k0 y la condición
de transversalidad.

3.3. Solución del modelo

El sistema de ecuaciones (14) que describe las variables de control puede escribirse en
forma matricial
     
N    
ξcc −ξcL 1−N ĉt 0 1 k̂t 0
= +  Ât
       
   
N
ξLc −ξLL 1−N − ξN N N̂t ξN k 1 λ̂t 1

y en forma compacta como

 
 
ĉt k̂t
Mcc   = Mcs   + Mce Ât , (17)
N̂t λ̂t

donde Mcc y Mcs son matrices 2 × 2 y Mce un vector 2 × 1. La matriz Mcc debe ser
invertible evaluada en los valores de estado estacionario para que exista una solución de
este sistema.
Considerando el operador B llamado “lag” o “backshift”, que se define por x̂t = B x̂t+1 ,
las ecuaciones (15) y (16) conforman el siguiente sistema de variables en t + 1,

ηk k̂t+1 + (1 − B)λ̂t+1 = −ηN N̂t+1 − ηA Ât+1 ,

[si ϕ − (si (ϕ − 1) + sk ) B] k̂t+1 = −sc B ĉt+1 + sN B N̂t+1 + B Ât+1 ,

con la siguiente expresión matricial

     
 
ηk 1−B k̂t+1 0 −ηN−ηA ĉt+1
  =  +  Ât+1
si ϕ − (si (ϕ − 1) + sk ) B 0 λ̂t+1 −sc B sN B N̂t+1 B

11
y su correspondiente forma compacta
   
k̂t+1 ĉt+1
Mss (B)   = Msc (B)   + Mse (B) Ât+1 , (18)
λ̂t+1 N̂t+1

donde Mss (B), Msc (B) y Mse (B) son matrices polinomiales en el operador B, a lo sumo
de grado uno.3 Los componentes de cualquier matriz polinomial M (B) de grado uno se
expresan como M0 (la matriz de constantes) y M1 (los términos lineales), con lo que

M (B) = M0 + M1 B.

Por la concavidad estricta de la función de utilidad, Mcc es invertible, por lo que (17)
puede escribirse como
   
ĉt k̂t
−1
  = Mcc −1
Mcs   + Mcc Mce Ât .
N̂t λ̂t

Adelantando un perı́odo esta expresión, tenemos que

   
ĉt+1 k̂t+1
−1
 = Mcc −1
 Mcs   + Mcc Mce Ât+1
N̂t+1 λ̂t+1

y reemplazando este resultado en (18), se obtiene

   
k̂t+1 k̂t+1
−1 −1
   
Mss (B)   = Msc (B)Mcc Mcs   + Msc (B)Mcc Mcs + Mse (B) Ât+1 ,
λ̂t+1 λ̂t+1

que se reduce a
 
k̂
 t+1
−1 −1
  
Mss (B) − Msc (B)Mcc Mcs   = Msc (B)Mcc Mcs + Mse (B) Ât+1 .
λ̂t+1

Este sistema también tiene una representación en forma compacta

 
k̂t+1
∗ ∗
Mss (B)   = Mse (B) Ât+1 , (19)
λ̂t+1

∗ (B) y M ∗ (B) son matrices polinomiales de primer grado en B. Note que (19)
donde Mss se
3
Recuerde que un polinomio de grado cero es simplemente una función constante del tipo P (x) = a0 .

12
puede descomponerse en sus correspondientes términos constantes y lineales, con lo que
se obtiene
   
k̂t+1 k̂
∗  ∗  t ∗ ∗
Mss 0
 + Mss
1
= Mse 0
Ât+1 + Mse 1
Ât .
λ̂t+1 λ̂t

Finalmente, el sistema puede convertirse en un sistema de ecuaciones en diferencias

estándar, premultiplicando ambos miembros de la expresión anterior por la inversa de la
matriz Mss0∗ y reordenando términos,

   
k̂t+1  ∗ −1 ∗ k̂t  ∗ −1 ∗  ∗ −1 ∗
  = − Mss Mss1   + Mss Mse0 Ât+1 + Mss Mse1 Ât .
0 0 0
λ̂t+1 λ̂t

De este modo se obtiene el sistema dinámico fundamental del modelo neoclásico

   
k̂t+1 k̂t
  = W   + R Ât+1 + Q Ât , (20)
λ̂t+1 λ̂t

 ∗ −1 ∗  ∗ −1 ∗
donde W := − Mss 0
Mss1 es una matriz de 2 × 2, mientras que R := Mss 0
Mse0 y
 ∗ −1 ∗
Q := Mss0 Mse1 son vectores 2 × 1.

3.4. Solución y análisis de estabilidad

El sistema dinámico (20) está gobernado por los valores caracterı́sticos (o autovalores)
y vectores caracterı́sticos (o autovectores) de la matriz W . Asumiendo que dicha matriz
es diagonalizable, la escribimos como W = P µP −1 , donde µ es una matriz diagonal que
contiene a los autovalores de W en la diagonal principal y P la matriz de los autovectores
asociados a cada autovalor. En este caso W tiene dos autovalores µ1 y µ2 . Supongamos
que los autovalores toman valores reales, hay tres dinámicas posibles en la vecindad de un
punto estacionario
1. |µ1 | < 1 y |µ2 | < 1, es un nodo estable
2. |µ1 | > 1 y |µ2 | > 1, es un nodo inestable
3. |µ1 | < 1 y |µ2 | > 1, es un punto de ensilladura o punto de silla.
Si los autovalores son complejos, las dinámicas presentan ciclos o perı́odos, que pueden ser
estables o inestables.

13
 Para simplificar la notación, definimos el vector de variables
 
k̂t
x̂t :=   ,
λ̂t

con lo que el sistema (20) se puede escribir como

x̂t+1 = W x̂t + RÂt+1 + QÂt . (21)

Evaluando esta expresión en t = 0 y t = 1 se obtiene

x̂1 = W x̂0 + RÂ1 + QÂ0 ,

x̂2 = W x̂1 + RÂ2 + QÂ1 .

Con las sustituciones apropiadas

h i
x̂2 = W W x̂0 + RÂ1 + QÂ0 + RÂ2 + QÂ1

= W 2 x̂0 + RÂ2 + W RÂ1 + QÂ1 + W QÂ0 .

Adelantando (21) otro perı́odo, tenemos que x̂3 = W x̂2 + RÂ3 + QÂ2 y sustituyendo como
en el paso anterior

x̂3 = W 3 x̂0 + RÂ3 + W RÂ2 + W 2 RÂ1 + QÂ2 + W QÂ1 + W 2 QÂ0 .

Siguiendo este método recursivo, se obtiene la siguiente solución después de t iteraciones

t
X t
X
t h
x̂t = W x̂0 + W R Ât−h+1 + W h Q Ât−h .
h=0 h=0

Finalmente, se aplica la descomposición de W , con lo que se obtiene la solución del sistema

dinámico (21) en función de los autovalores de la matriz W , la condición inicial x̂0 y las
realizaciones del proceso estocástico {At }∞
t=0 , que tiene la siguiente forma

t
X t
X
x̂t = P µt P −1 x̂0 + P µh P −1 R Ât−h+1 + P µh P −1 Q Ât−h . (22)
h=0 h=0

Puede demostrarse (no lo haremos aquı́) que 0 < µ1 < 1 < (1/β ∗ ) < µ2 , lo que implica
un equilibrio de punto de ensilladura.4 El sistema sólo puede tener una trayectoria estable
4
Para la demostración y un análisis mucho más detallado, véase King, Plosser, and Rebelo (2002).

14
si desaparece el efecto de la raı́z caracterı́stica µ2 en la solución (22). Para ello, es necesario
eligir el valor exacto de λ̂0 (por lo tanto, de ĉ0 ) de modo que los coeficientes relacionados
con la raı́z inestable (µ2 ) se anulen. Dado que los agentes tienen previsión perfecta se van
a comportar de manera óptima para situar el sistema en la trayectoria estable (saddle
path) que converge al estado estacionario. En la trayectoria hacia el estado estacionario,
el comportamiento de la solución está gobernado por el valor de µ1 . Al ser positivo, la
convergencia de ambas variables, k̂t y λ̂t es monotónica.

Referencias
King, R., Plosser, C., and Rebelo, S. Production, growth and business cycles: I. The basic
neoclassical model. Journal of Monetary Economics, 21(2-3):195–232, 1988a.

King, R., Plosser, C., and Rebelo, S. Production, growth and business cycles: II. New
directions. Journal of Monetary Economics, 21(2-3):309–341, 1988b.

King, R., Plosser, C., and Rebelo, S. Production, growth and business cycles: Technical
appendix. Computational Economics, 20(1):87–116, 2002.

Kydland, F. and Prescott, E. C. Time to build and aggregate fluctuations. Econometrica,

50(6):1345–1370, 1982.

Long, J. B. and Plosser, C. Real business cycles. Journal of Political Economy, 91(1):
39–69, 1983.

15